Populärvetenskaplig översikt – så fungerar AI
- Ett helt annat sätt att utveckla programvara
- Vad är det för skillnad på big data, data mining, prediktiv analys, och AI?
- Vad är en AI modell, och hur tränas de? Hur kommer algoritmer in i bilden?
- Inlärningsmetoder: Vägledd och ovägledd inlärning, överföringsinlärning och förstärkningsinlärning
- Problemtyper: Klassificering, regression, gruppering, association och avvikelsedetektering
- Skillnaden på AI, maskininlärning och djupinlärning
Vad kan AI göra?
- Analys och generering av ljud, bild, video och text
- Prognoser – förutspå framtiden
- Avvikelsedetektering
- Rekommendationsmotorer
- Optimering
- Utforska stora datamängder
- Ett praktikfall från virkesindustrin (lärdom: det är inte tekniken som är problemet)
ROI och AI-mognad
- De 3 komponenterna i AI ROI
- Hur uppnår man ROI i AI projekt?
- Snabba resultat kontra att bygga AI mognad
- Hur uppnår man uthållig AI adoption – plug&play eller transformation?
Starta din AI-transformation
- Kritiska förmågor för framgångsrik AI adoption
- Hur kan AI införas?
- Var skall vi börja?
- Hitta lämpliga möjligheter för AI i din organisation
- En vinnande AI strategi
- Automatisera beslut eller förstärka människan med AI?
- Köpa eller bygga själv?
- Skapa värde genom rätt användning av AI
Vikten av data
- Datadominans – “the winner takes It all”
- Förstå värdet av data
- Processflöde i ett AI projekt – allt handlar om data
- Strukturerat och ostrukturerat data, samt olika typer av datakällor
- Problem orsakade av dåligt data
- Prediktiv kraft och hur träningsdata kan förbättras med ”feature engineering”
AI och din organisation
- Vem bör driva AI intresset och initiativet?
- Hur bygger man en AI-redo kultur?
- Organisatorisk mognad
- Vad är en AI-driven ledare?
- AI och organisationen
Utveckla din egen AI
- Det är stora skillnader mellan IT-projekt och AI-projekt
- Yrkesroller inom AI utveckling
- Iterativ utvecklingsprocess
- Träningsdata för experiment och testdata för att verifiera modellens kvalitet
- Prova olika hypoteser tills du är nöjd
- Få ännu bättre resultat genom att kombinera olika modeller (”ensambles”)
- Utveckla AI i större skala: Skapa en AI-fabrik med MLOps
- Plattformsstrategier
Etik & lagar
- Etisk, ansvarsfull och pålitlig AI
- Nya regelverk: EU’s kommande AI Act
- XAI för systemverifiering, systemförbättring, att lära sig av systemet och följa lagkrav